[发明专利]一种去除强趋势项及瞬态脉冲干扰的微弱信号提取方法无效
| 申请号： | 201210192002.6 | 申请日： | 2012-06-12 |
| 公开（公告）号： | CN102799757A | 公开（公告）日： | 2012-11-28 |
| 发明（设计）人： | 李秀坤;李婷婷;马涛;杨阳;夏峙 | 申请（专利权）人： | 哈尔滨工程大学 |
| 主分类号： | G06F19/00 | 分类号： | G06F19/00 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150001 黑龙江省哈尔滨市南岗区*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及弱信号处理领域，具体涉及一种强干扰背景下去除强趋势项及瞬态脉冲干扰的微弱信号提取方法。本发明包括(1)对强干扰背景下的微弱信号进行经验模态分解；(2)对分解的d阶模态，构造强干扰判决准则；(3)对存在脉冲干扰的模态分量进行包络检波，将瞬态脉冲干扰位置数据置零；(4)利用自回归-滑动平均模型恢复被置零的数据；(5)合并前D阶基本模式分量，得到除强干扰后的微弱信号。相比于现有方法，本发明能够在更完整保留微弱信号特性的同时，去除强复杂趋势线的干扰，将瞬态脉冲干扰部分的数据进行预测恢复，减小对微弱信号波形畸变的影响。 | ||
| 搜索关键词： | 一种 去除 趋势 瞬态 脉冲 干扰 微弱 信号 提取 方法 | ||
【主权项】：
1.一种去除强趋势项及瞬态脉冲干扰的微弱信号提取方法，其特征在于，包括如下步骤：(1)对强干扰背景下的微弱信号进行经验模态分解；(2)对分解的d阶模态，构造强干扰判决准则：定义前d个基本模态分量的和为![]()
在Rimf(d)偏离零点时的阶次为D，其中imfj(t)为分解得到的各阶模态分量、t为时间变量、N为信号长度、j为分解阶数；(3)对存在脉冲干扰的模态分量进行包络检波，将瞬态脉冲干扰位置数据置零；(4)使用自回归-滑动平均模型恢复被置零的数据；(5)合并前D阶基本模式分量![]()
x(t)即去除强干扰后的微弱信号。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨工程大学，未经哈尔滨工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201210192002.6/，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算；推算；计数
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学，即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真，例如：概率模型或动态模型，遗传基因管理网络，蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的，例如：进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的，例如：结构排序，结构或功能关系，蛋白质折叠，结构域拓扑，用结构数据的药靶，涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的，例如：基因型–表型关联，不均衡连接，种群遗传学，结合位置鉴定，变异发生，基因型或染色体组的注释，蛋白质相互作用或蛋白质核酸的相互作用
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学，即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真，例如：概率模型或动态模型，遗传基因管理网络，蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的，例如：进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的，例如：结构排序，结构或功能关系，蛋白质折叠，结构域拓扑，用结构数据的药靶，涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的，例如：基因型–表型关联，不均衡连接，种群遗传学，结合位置鉴定，变异发生，基因型或染色体组的注释，蛋白质相互作用或蛋白质核酸的相互作用
